미스트랄 OCR 4, AI 문서 검색이 완전히 달라지는 이유

요즘 회사에서 AI 도입 얘기 나오면 꼭 이런 불만이 따라와요. "PDF 넣어봤는데 답이 이상해요", "표에서 숫자를 엉뚱하게 읽어요." 저도 처음엔 모델 탓인가 했는데, 알고 보니 문제의 뿌리는 대부분 OCR 단계였어요.

OCR이 뭔지부터 가볍게 짚어볼게요

OCR은 이미지나 스캔 문서 속 글자를 컴퓨터가 읽을 수 있는 텍스트로 바꿔주는 기술이에요. 종이 계약서를 스캔하면 그냥 이미지 파일이 되는데, 여기서 글자를 뽑아내는 역할을 OCR이 합니다. 명함 찍어서 연락처 저장하거나 영수증에서 금액 읽어내는 것도 다 OCR 기반이에요.

기업에서는 청구서, 계약서, 의료 기록, 법인등기부등본 같은 문서를 대량으로 처리할 때 이 기술을 씁니다. 한 줄로 정리하면, OCR은 종이나 이미지 속 글자를 AI가 읽을 수 있게 바꿔주는 기술이에요.

기존 OCR의 진짜 문제, 위치를 몰랐다는 거예요

지금까지 OCR은 딱 하나만 잘했어요. 텍스트를 뽑아내는 것. 근데 표가 있고 서명이 있고 각주랑 그래프가 섞인 복잡한 문서가 되면 얘기가 달라지더라구요.

계약서에 총 금액이 표 안에 있고 그 옆에 단서 조항이 붙어 있다고 생각해보세요. 기존 OCR은 이걸 그냥 위에서 아래로 텍스트를 쭉 이어 붙여버려요. 표의 어떤 셀이 무슨 의미인지, 서명이 어디 있는지 AI는 전혀 몰랐던 거죠.

그러니 RAG(검색 기반 생성)를 아무리 잘 만들어도 OCR 단계에서 정보가 뭉개지면 답도 뭉개져요. 문서 AI에서 가비지 인, 가비지 아웃이 반복되는 이유가 여기 있었던 거예요.

미스트랄 OCR 4, 뭐가 새로워졌나

2026년 6월 23일, 프랑스 AI 기업 미스트랄이 OCR 4를 공개했어요. 텍스트 추출에 바운딩 박스, 블록 분류, 신뢰도 점수 이렇게 세 가지를 추가했습니다.

바운딩 박스는 텍스트 블록이 페이지 어디에 있는지 좌표로 알려주는 기능이에요. 지도에 건물마다 GPS 좌표 찍어놓은 것처럼요. 블록 분류는 추출한 텍스트가 제목인지 표인지 수식인지 서명인지 자동으로 태그해줘요. 신뢰도 점수는 페이지 단위, 단어 단위로 얼마나 확신을 갖고 읽었는지 수치로 알려줍니다. 독립 평가자들은 600개 이상의 문서, 12개 이상 언어를 대상으로 한 비교에서 OCR 4를 다른 모든 시스템보다 평균 72퍼센트의 승률로 선호했다고 합니다.

한 줄 정리하면, 텍스트 내용뿐 아니라 위치와 역할, 신뢰도까지 함께 돌려줘서 문서를 지도처럼 다룰 수 있게 해준다는 거예요.

숫자로 보면 이렇습니다, 근데 걸러서 봐야 할 것도 있어요

공개 벤치마크인 OlmOCRBench에서는 85.20점을 받았고, OmniDocBench에서는 93.07점을 기록했습니다. 법률 문서 플랫폼 로고는 기존 대비 약 8배 저렴하고 17배 빠른 결과를 냈고, 지식재산 플랫폼 아나쿠아는 페이지당 처리 속도가 약 4배 빨라졌다고 밝혔어요.

근데 여기서 재밌는 지점이 있어요. 공개된 OlmOCRBench 리더보드 기준으로 보면 OCR 4는 1위가 아니라 3위권 정도라는 분석도 나왔습니다. 72퍼센트 승률이나 벤치마크 점수는 미스트랄이 직접 밝힌 수치라서, 도입 전에는 자사 문서로 파일럿을 꼭 돌려보는 게 맞더라구요.

언어 지원은 170개 언어, 10개 언어군으로 확장됐어요. 힌디어, 아랍어, 히브리어처럼 기존에 약했던 언어군에서도 개선이 있었다고 하니, 한국어 문서 처리에도 참고할 만한 수치예요.

가격이랑 데이터 주권, 기업 입장에서 진짜 중요한 부분

가격은 1000페이지당 4달러예요. 배치 처리로 돌리면 50퍼센트 할인돼서 2달러가 됩니다. 스키마 출력이 필요한 Document AI는 1000페이지당 5달러예요. 100만 페이지짜리 기업 아카이브를 배치로 처리하면 대략 200만 원 수준이니, 대규모 디지털화 프로젝트 경제성이 확 달라지는 거죠.

데이터 주권 쪽도 눈에 띄어요. OCR 4는 단일 컨테이너로 배포할 수 있어서, 기업이 자체 인프라 안에서 문서를 처리하고 민감한 서류가 외부 클라우드로 나가지 않게 할 수 있습니다. 2026년 8월 EU AI법 집행 조항이 발효되는 시점과 맞물려서, 미국 클라우드 의존을 걱정하는 유럽 기업들을 정확히 겨냥한 전략이라는 얘기도 있더라구요.

RAG랑 에이전트 워크플로에 왜 중요한가

RAG는 AI가 내부 문서를 검색해서 답을 생성하는 방식이라, 품질이 문서 파싱 단계에서 거의 결정돼요. OCR에서 구조가 무너지면 그 위에 좋은 언어 모델을 올려도 답이 불안정하죠. 블록 분류 정보는 더 정밀한 검색 단위를 만드는 데 바로 활용되고, 표 데이터랑 본문 설명이 따로 색인되면 검색 정확도가 다른 차원으로 올라가요.

에이전트 관점에서도 마찬가지예요. 인보이스에서 금액을 읽어서 ERP에 입력하거나, 계약서 서명 위치를 찾아 전자서명 요청을 보내는 작업처럼, 바운딩 박스로 정확한 위치가 주어지면 에이전트가 문서 안에서 필드를 정확히 찾아 액션을 취할 수 있어요.

보험업계엔 어떻게 적용될까요

이 부분이 저는 가장 눈에 들어왔어요. 국내 보험사들은 이미 비슷한 방향으로 움직이고 있거든요. 삼성생명은 업스테이지 Document AI를 도입해서 진료비 영수증 등 청구서류 7종의 인식률을 평균 95퍼센트 수준까지 끌어올렸고, 실제 사람이 수정해야 하는 항목은 4퍼센트 내외에 불과했다고 해요.

한화생명은 약 1100만 건의 과거 청구 데이터를 학습한 자동심사 모델을 운영 중인데, 현재 사고보험금의 약 25퍼센트가 AI로 자동 처리되고 있습니다. 신한라이프도 LLM 기반 AI OCR 솔루션을 적용해서 청구 서류를 자동으로 인식하고 처리하는 체계를 갖췄고요.

진단서나 소견서, 의료 영수증은 병원마다 서식이 다 다르잖아요. 기존 OCR은 서식이 바뀌면 재학습이 필요했는데, OCR 4처럼 구조 인식 기반 모델은 서식이 달라도 맥락을 파악해서 필요한 필드를 추출할 수 있어요. GA나 인슈어테크 쪽에서 보면, 설계사가 매일 다루는 진단서, 청구서류 자동 분류나 언더라이팅 참고 문서 처리에 바로 붙여볼 만한 영역이라고 봐요.

문서 AI 시장이 향하는 방향

글로벌 지능형 문서 처리 시장은 2030년까지 연평균 33.1퍼센트 성장이 전망되고, 시장 규모는 44억 달러에 달합니다. 미스트랄은 2025년 2억 유로였던 매출을 2026년 10억 유로까지 끌어올리는 것을 목표로 하고 있고, OCR 4가 그 전략의 중심 제품 중 하나예요.

구글 문서 AI, 아마존 텍스트랙트, 애저 문서 인텔리전스 같은 빅테크 솔루션과 바이두의 오픈소스 모델까지 경쟁 구도가 빠르게 재편되고 있는데, 흐름의 공통점은 텍스트 추출에서 구조 이해로, 클라우드 의존에서 온프레미스 선택지 확보로 이동하고 있다는 점입니다.

마무리

문서를 AI에 넣었는데 답이 틀렸다면, 모델 탓하기 전에 파싱 단계부터 점검해보는 게 맞아요. 대부분의 기업 AI 실패는 화려한 모델 선택이 아니라 데이터 입구에서 시작되더라구요. 미스트랄 OCR 4는 OCR이 더 이상 단순 변환 도구가 아니라, 문서의 맥락까지 구조화해서 전달하는 지도가 되어가고 있다는 걸 보여줘요.

서식이 복잡하고 다양한 문서를 대량으로 처리해야 하는 조직이라면, 특히 보험이나 금융처럼 비정형 문서 비중이 높은 업계라면 지금 한 번 들여다볼 만한 시점이라고 생각해요.